要在工作流中使用 Amazon Bedrock 处理文档（例如，总结 S3 中的文本并保存结果），您可以利用 AWS 服务，例如 Lambda、S3 事件触发器和 Bedrock API。首先，设置一个 S3 存储桶来存储传入文档，并配置事件通知以便在新文件上传时触发 AWS Lambda 函数。Lambda 函数将负责读取文档、调用 Bedrock 的摘要模型并存储输出。确保您的 AWS Identity and Access Management (IAM) 角色授予 Lambda 访问 S3 和 Bedrock 的权限，并在 AWS 控制台中启用 Bedrock 的模型访问权限。
例如，当 PDF 或文本文件上传到 S3 时，Lambda 函数使用 AWS SDK（例如 Python 中的 Boto3）检索文件。如果文档是非文本格式（例如，扫描的 PDF），您可能需要先使用 Amazon Textract 提取文本。文本准备好后，Lambda 函数使用 InvokeModel API 将其发送到 Bedrock，并指定一个专注于摘要的模型，例如 Anthropic 的 Claude。您需要为模型构建输入提示，例如“用三句话总结以下文档：[文本]”。Bedrock 返回总结后的文本，然后 Lambda 函数将其写入指定的输出 S3 存储桶或路径。
为确保可靠性，请添加错误处理以应对文档过大超出模型令牌限制或短暂 API 故障等情况。对于大文本，将其分割成块并迭代处理。使用 Amazon CloudWatch 记录错误并监控调用指标。为了优化成本，对于复杂的工作流或批量操作，请考虑使用 Step Functions 进行异步处理。最后，使用 S3 服务器端加密对输入/输出文件进行加密，并限制 IAM 策略以实现最小权限访问。这种方法为文档处理提供了一个可扩展的无服务器管道，且基础设施管理开销极少。